V2AS问路
OpenCV开发笔记（七十三）：红胖子8分钟带你使用opencv+dnn+yolov3识别物体
阅读原文时间：2022年03月25日阅读：1

前言

  级联分类器的效果并不是很好，准确度相对深度学习较低，上一章节使用了dnn中的tensorflow，本章使用yolov3模型，识别出具体的分类。

Demo

  320x320，置信度0.6

  608x608，置信度0.6（.cfg里面是608）

yolov3模型下载

OpenCV深度识别基本流程

  opencv3.4.x支持了各种模型。

  opencv3.4.x支持一下深度学习的模型：
- caffe：.caffemodel
  官网：http://caffe.berkeleyvision.org
- tensorflow：.pb
  官网：https://www.tensorflow.org
- torch：.t7 | .net
  官网：http://torch.ch
- darknet：.weights
  官网：https://pjreddie.com/darknet
- DLDT：.bin
  官网：https://software.intel.com/openvino-toolkit

  不同深度学习框架产生的模型，在操作上和数据输出上有一些区别。梳理下opencv使用tensorflow训练好的模型的使用步骤。

步骤一：读取分类文件

  模型文件对应了不同的分类文件，分类文件是以行为标识，所在的行数（0开始），就是最终识别出的分类号的第几个分类。

std::string classesFile = "E:/qtProject/openCVDemo/dnnData/" \
                    "yolov3/coco.names";
// 读入分类名称，存入缓存
std::ifstream ifs(classesFile);
std::vector<std::string> classes;
std::string classLine;
while(std::getline(ifs, classLine))
{
    classes.push_back(classLine);
}

步骤二：加载模型和配置文件，建立神经网络。

  根据不同的模型，使用cv::dnn::readNetFromXXX系列函数进行读取，opencv3.4.x系列支持的dnn模型（支持模型往上看）。
  yolov3模型如下：

std::string modelWeights = "E:/qtProject/openCVDemo/dnnData/" \
                       "yolov3/yolov3.weights";
std::string modelCfg = "E:/qtProject/openCVDemo/dnnData/" \
                       "yolov3/yolov3.cfg";
// 加载yolov3模型
cv::dnn::Net net = cv::dnn::readNetFromDarknet(modelCfg, modelWeights);
if(net.empty())
{
    qDebug() << __FILE__ << __LINE__ << "net is empty!!!";
    return;
}

步骤三：将要预测的图片加入到神经网络中

  加入之后，需要识别图片，那么需要把图片输入到神经网络当中去，使用yolov3模型特别注意，要先进行归一化，然后变成指定大小的图片，如下：

// 读取图片识别
mat = cv::imread("E:/testFile/15.jpg");
if(!mat.data)
{
    qDebug() << __FILE__ << __LINE__ << "Failed to read image!!!";
    return;
}
//    cv::dnn::blobFromImage(mat, blob);
//  必须要设置，否则会跑飞
cv::dnn::blobFromImage(mat,
                     blob,
                     1.0f/255,
                     cv::Size(320, 320),
                     cv::Scalar(0, 0, 0),
                     true,
                     false);
net.setInput(blob);

  宽度高度增加可以提升检测的准确度，最好是根据cfg文件进行修改，本Demo是320x320，实际.cfg文件中的是608x608，并且经过测试，这个是识别效果最好的像素，大于608则会跑飞。
  

  输入之后，就进行识别，识别是向前预测（分类预测），并且拿到结果，对于yolov3模型，规定了有3个输出层，所以需要先获取3个输出层，然后预测的时候就需要指定预测这3个输出层，否则会跑飞。

// 获取输出的层
std::vector<cv::String> outPutNames;
std::vector<int> outLayers = net.getUnconnectedOutLayers();
for(int index = 0; index < outLayers.size(); index++)
{
    outPutNames.push_back(layerNames[outLayers[index] - 1]);
    qDebug() << __FILE__ << __LINE__
    << QString(layerNames[outLayers[index] - 1].c_str());
}
// 推理预测：可以输入预测的图层名称
std::vector<cv::Mat> probs;
net.forward(probs, outPutNames);

  对于预测的结果，存于std::vectorcv::Mat类型的probs，每一个元素指定为cv::Mat类型的prob，每一行代表一个检测到的分类，具体列信息如下表：
  
  （注意：具体的使用，请参照“步骤五”）

步骤五：对达到置信度的可以通过输出的mat进行分类和框选

  关键的输出结果步骤，不同的识别有区别，yolov3如下图：

// 置信度预制，大于执行度的将其使用rect框出来
for(int index = 0; index < probs.size(); index++)
{
    for (int row = 0; row < probs[index].rows; row++)
    {
        // 获取probs中一个元素里面匹配对的所有对象中得分最高的
        cv::Mat scores = probs[index].row(row).colRange(5, probs[index].cols);
        cv::Point classIdPoint;
        double confidence;
        // Get the value and location of the maximum score
        cv::minMaxLoc(scores, 0, &confidence, 0, &classIdPoint);
        if(confidence > 0.6)
        {
            qDebug() << __FILE__ << __LINE__ << confidence << classIdPoint.x;
            int centerX = (int)(probs.at(index).at<float>(row, 0) * mat.cols);
            int centerY = (int)(probs.at(index).at<float>(row, 1) * mat.rows);
            int width   = (int)(probs.at(index).at<float>(row, 2) * mat.cols);
            int height  = (int)(probs.at(index).at<float>(row, 3) * mat.rows);
            int left = centerX - width / 2;
            int top = centerY - height / 2;
            cv::Rect objectRect(left, top, width, height);
            cv::rectangle(mat, objectRect, cv::Scalar(255, 0, 0), 2);
            cv::String label = cv::format("%s:%.4f",
                                          classes[classIdPoint.x].data(),
                                          confidence);
            cv::putText(mat,
                        label,
                        cv::Point(left, top - 10),
                        cv::FONT_HERSHEY_SIMPLEX,
                        0.4,
                        cv::Scalar(0, 0, 255));
            qDebug() << __FILE__ << __LINE__
                    << centerX << centerY << width << height;
        }
    }
}

函数原型

Net readNetFromDarknet(const String &cfgFile,
                      const String &darknetModel = String());

  从文件中读取。

  • 参数一：带有网络体系结构文本描述的.cfg文件的路径；

  • 参数二：已学习网络的.weights文件的路径；

    void blobFromImage(InputArray image,
    OutputArray blob,
    double scalefactor=1.0,
    const Size& size = Size(),
    const Scalar& mean = Scalar(),
    bool swapRB=false,
    bool crop=false,
    int ddepth=CV_32F);.

      从图像创建区域。可选择从中心调整和裁剪图像。

  • 参数一：图像输入图像（1、3或4通道）；

  • 参数二：输出的图像空间；

  • 参数三：图像值的缩放因子乘数；

  • 参数四：大小输出图像的空间大小；

  • 参数五：从通道中减去平均值的平均标量。价值是有意的，如果image有BGR顺序，swapRB为真，则按（mean-R，mean-G，mean-B）顺序排列；

  • 参数六：swapRB标志，指示交换第一个和最后一个通道，在三通道图像是必要的；

  • 参数七：裁剪标志，指示调整大小后是否裁剪图像；

  • 参数八：输出blob的深度，选择CV_32F或CV_8U；

    void cv::dnn::Net::setInput(InputArray blob,
    const String& name = "",
    double scalefactor = 1.0,
    const Scalar& mean = Scalar());

      设置网络的新输入值。

  • 参数一：一个新的blob。应具有CV_32F或CV_8U深度。

  • 参数二：输入层的名称。

  • 参数三：可选的标准化刻度。

  • 参数四：可选的平均减去值。

    std::vector getLayerNames() const;

    std::vector getUnconnectedOutLayers() const;

    void cv::dnn::Net::Mat forward(const String& outputName = String());

      向前预测，返回指定层的第一个输出的blob，一般是返回最后一层，可使用cv::Net::getLayarNames()获取所有的层名称。

  • 参数一：outputName需要获取输出的层的名称

Demo

void OpenCVManager::testYoloV3()
{
    std::string classesFile = "E:/qtProject/openCVDemo/dnnData/" \
                              "yolov3/coco.names";
    std::string modelWeights = "E:/qtProject/openCVDemo/dnnData/" \
                          "yolov3/yolov3.weights";
    std::string modelCfg = "E:/qtProject/openCVDemo/dnnData/" \
                           "yolov3/yolov3.cfg";

    // 读入分类名称，存入缓存
    std::ifstream ifs(classesFile);
    std::vector<std::string> classes;
    std::string classLine;
    while(std::getline(ifs, classLine))
    {
        classes.push_back(classLine);
    }

    // 加载yolov3模型
    cv::dnn::Net net = cv::dnn::readNetFromDarknet(modelCfg, modelWeights);
    if(net.empty())
    {
        qDebug() << __FILE__ << __LINE__ << "net is empty!!!";
        return;
    }

    cv::Mat mat;
    cv::Mat blob;

    // 获得所有层的名称和索引
    std::vector<cv::String> layerNames = net.getLayerNames();
    int lastLayerId = net.getLayerId(layerNames[layerNames.size() - 1]);
    cv::Ptr<cv::dnn::Layer> lastLayer = net.getLayer(cv::dnn::DictValue(lastLayerId));
    qDebug() << __FILE__ << __LINE__
             << QString(lastLayer->type.c_str())
             << QString(lastLayer->getDefaultName().c_str())
             << QString(layerNames[layerNames.size()-1].c_str());

    // 获取输出的层
    std::vector<cv::String> outPutNames;
    std::vector<int> outLayers = net.getUnconnectedOutLayers();
    for(int index = 0; index < outLayers.size(); index++)
    {
        outPutNames.push_back(layerNames[outLayers[index] - 1]);
        qDebug() << __FILE__ << __LINE__
                 << QString(layerNames[outLayers[index] - 1].c_str());
    }

    while(true)
    {
        // 读取图片识别
        mat = cv::imread("E:/testFile/15.jpg");
        if(!mat.data)
        {
            qDebug() << __FILE__ << __LINE__ << "Failed to read image!!!";
            return;
        }

//        cv::dnn::blobFromImage(mat, blob);
        // 必须要设置，否则会跑飞
        cv::dnn::blobFromImage(mat,
                               blob,
                               1.0f/255,
                               cv::Size(320, 320),
                               cv::Scalar(0, 0, 0),
                               true,
                               false);
        net.setInput(blob);
        // 推理预测：可以输入预测的图层名称
        std::vector<cv::Mat> probs;
        net.forward(probs, outPutNames);

        // 显示识别花费的时间
        std::vector<double> layersTimes;
        double freq = cv::getTickFrequency() / 1000;
        double t = net.getPerfProfile(layersTimes) / freq;
        std::string label = cv::format("Inference time: %.2f ms", t);
        cv::putText(mat,
                  label,
                  cv::Point(0, 15),
                  cv::FONT_HERSHEY_SIMPLEX,
                  0.5,
                  cv::Scalar(255, 0, 0));
        // 置信度预制，大于执行度的将其使用rect框出来
        for(int index = 0; index < probs.size(); index++)
        {
            for (int row = 0; row < probs[index].rows; row++)
            {
                // 获取probs中一个元素里面匹配对的所有对象中得分最高的
                cv::Mat scores = probs[index].row(row).colRange(5, probs[index].cols);
                cv::Point classIdPoint;
                double confidence;
                // Get the value and location of the maximum score
                cv::minMaxLoc(scores, 0, &confidence, 0, &classIdPoint);
                if(confidence > 0.6)
                {
                    qDebug() << __FILE__ << __LINE__ << confidence << classIdPoint.x;
                    int centerX = (int)(probs.at(index).at<float>(row, 0) * mat.cols);
                    int centerY = (int)(probs.at(index).at<float>(row, 1) * mat.rows);
                    int width   = (int)(probs.at(index).at<float>(row, 2) * mat.cols);
                    int height  = (int)(probs.at(index).at<float>(row, 3) * mat.rows);
                    int left = centerX - width / 2;
                    int top = centerY - height / 2;
                    cv::Rect objectRect(left, top, width, height);
                    cv::rectangle(mat, objectRect, cv::Scalar(255, 0, 0), 2);
                    cv::String label = cv::format("%s:%.4f",
                                                  classes[classIdPoint.x].data(),
                                                  confidence);
                    cv::putText(mat,
                                label,
                                cv::Point(left, top - 10),
                                cv::FONT_HERSHEY_SIMPLEX,
                                0.4,
                                cv::Scalar(0, 0, 255));
                    qDebug() << __FILE__ << __LINE__
                            << centerX << centerY << width << height;
                }
            }
        }

        cv::imshow(_windowTitle.toStdString(), mat);
        cv::waitKey(0);
    }
}

对应工程模板v1.65.0

  openCVDemo_v1.65.0_基础模板_yolov3分类检测.rar。

入坑

错误
  

原因
  模型文件加载错误。
解决
  检查文件是否存在，路径是否正确，模型文件是否能对应上。

错误
  

原因
  预测的时候未输入参数，需要输入参数（注意：tensorflow未输入没有问题）。
解决
  

上一篇：《OpenCV开发笔记（七十二）：红胖子8分钟带你使用opencv+dnn+tensorFlow识别物体》
下一篇：持续补充中…

手机扫一扫

移动阅读更方便

阿里云服务器
腾讯云服务器
七牛云服务器

你可能感兴趣的文章

精选8道ES高频面试题和答案，后悔没早点看。
微调用于多语言 ASR 的 MMS 适配器模型
利用pytorch准备数据集、构建与训练、保存与加载CNN模型

4

利用pytorch自定义CNN网络（二）：数据集的准备